<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>Woojae Joo — Developer Note</title>
    <link>https://ursonice.github.io/</link>
    <atom:link href="https://ursonice.github.io/feed.xml" rel="self" type="application/rss+xml"/>
    <description>AI, Robotics, Systems 공부 기록</description>
    <language>ko</language>
    <lastBuildDate>Thu, 18 Jun 2026 22:26:25 GMT</lastBuildDate>
    <item>
      <title>Action Chunking Transformer 역할</title>
      <link>https://ursonice.github.io/posts/action-chunking-transformer-%EC%97%AD%ED%95%A0/</link>
      <guid isPermaLink="false">382b12c0-115c-8066-9b73-d5fea9f9339c</guid>
      <pubDate>Wed, 17 Jun 2026 06:17:00 GMT</pubDate>
      <category>Robotics</category>
      <description>Compounding Error 로봇이 학습시에 전문가의 행동을 보고 배웠는데 실제 추론시에 본인이 전문가가 했던 행동과 약간만 벗어나도 이에 대한 학습데이터가 없기 때문에 그 다음 행동에서도 오차가 발생해서 점점 더 전문가의 행동과 벌어지는 행동을 하게되는 에러를 말한다. ACT(Action Chunk</description>
    </item>
    <item>
      <title>Knowledge Distillation</title>
      <link>https://ursonice.github.io/posts/knowledge-distillation/</link>
      <guid isPermaLink="false">381b12c0-115c-801b-abe2-c16494ef2dc2</guid>
      <pubDate>Tue, 16 Jun 2026 01:53:00 GMT</pubDate>
      <category>AI/ Theory</category>
      <description>서론 지식 증류관련 논문을 읽다보면 Teacher-Student를 같이 학습하는 경우가 있고, Teacher를 먼저 학습하고 Student를 학습하는 경우가 있다. 어떤 경우에는 같이 학습하는지 그리고 어떤 경우에는 선행 학습 후 전이가 이뤄지는지 고민하여 찾아본 결과에 대해 작성한다. 목차 방법 A: </description>
    </item>
    <item>
      <title>DELTAR: Depth Estimation from a Light-weight ToF Sensor and RGB Image 논문리뷰</title>
      <link>https://ursonice.github.io/posts/deltar-depth-estimation-from-a-light-weight-tof-sensor-and-rgb-image-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">36fb12c0-115c-80a6-881e-cab805ae5a45</guid>
      <pubDate>Fri, 29 May 2026 06:27:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>RGB 좌표계에 맞추는 캘리 방법함. Zone 내부의 위치가 이미지상에서 어느 픽셀에 해당하는지 정확히 알 수 없으나 그 위치의 깊이가 L5가 반환한 해당 Zone의 분포의 평균값 mk와 같은 지점인 xk, yk 인 점이 반드시 존재한다는 것을 관찰함 기존에는 이미지의 특징이나 댑스, 포인트 클라우드와 </description>
    </item>
    <item>
      <title>MonoLift: Learning 3D Manipulation Policies from Monocular RGB via Distillation</title>
      <link>https://ursonice.github.io/posts/monolift-learning-3d-manipulation-policies-from-monocular-rgb-via-distillation/</link>
      <guid isPermaLink="false">36ab12c0-115c-8031-b1d2-e1a5a8077788</guid>
      <pubDate>Sun, 24 May 2026 14:31:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>서론 이 논문은 단일 RGB 이미지(Monocular RGB)만으로 3D 로봇 조작 정책을 학습하는 MonoLift framework를 제안한다. 기존 RGB-D, multi-view, point cloud 기반 방법은 3D 정보를 잘 활용할 수 있지만, 추가 센서와 전처리 비용이 크다. 반대로 RGB-</description>
    </item>
    <item>
      <title>Reinforcement Learning 1차시</title>
      <link>https://ursonice.github.io/posts/reinforcement-learning-1%EC%B0%A8%EC%8B%9C/</link>
      <guid isPermaLink="false">2edb12c0-115c-80ef-babc-d7b8ed3e3b94</guid>
      <pubDate>Mon, 19 Jan 2026 06:08:00 GMT</pubDate>
      <category>Reinforcement Learning</category>
      <description>Random Variable 표본 공간을 어떤 목적에 따른 실수에 대응 시켜주는 함수를 확률 변수라고 한다. 그리고 이 실수들을 맞는 확률값에 대응시켜준 것을 확률 분포라고 한다. Conditional Probability Partion theorem Probability Density Function </description>
    </item>
    <item>
      <title>Learning Vision-Based Omnidirectional Navigation: A Teacher-Student Approach Using Monocular Depth Estimation 논문리뷰</title>
      <link>https://ursonice.github.io/posts/learning-vision-based-omnidirectional-navigation-a-teacher-student-approach-usin/</link>
      <guid isPermaLink="false">366b12c0-115c-800d-b636-caec12f58f18</guid>
      <pubDate>Wed, 20 May 2026 13:37:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>서론 이 논문은 기존 2D LiDAR 기반 이동 로봇 내비게이션의 한계를 해결하기 위해, Monocular Depth Estimation(MDE) 기반 Teacher-Student framework를 제안한다. Teacher policy는 시뮬레이션에서 2D LiDAR와 로봇 자기 상태 정보를 입력으로 </description>
    </item>
    <item>
      <title>[RL] DQN의 Action Space 한계</title>
      <link>https://ursonice.github.io/posts/rl-dqn%EC%9D%98-action-space-%ED%95%9C%EA%B3%84/</link>
      <guid isPermaLink="false">345b12c0-115c-80ad-a4a1-eb9961bbd163</guid>
      <pubDate>Fri, 17 Apr 2026 01:38:00 GMT</pubDate>
      <category>Reinforcement Learning</category>
      <description>로봇이 잘 걸어가도록 하기 위해 DQN모델을 사용한다 해보자. 총 4개의 관절이 있고 각 관절은 (-90, 0, 90) 3개의 값 중 하나를 가질 수 있다. 이 경우 각 관절 당 3가지의 값을 가질 수 있으니 관절이 4개 임으로 3x3x3x3 = 81개의 조합이 만들어진다. 넘어지기 직전상태인 St에 대</description>
    </item>
    <item>
      <title>TRPO - Trust Region Policy Optimizer</title>
      <link>https://ursonice.github.io/posts/trpo-trust-region-policy-optimizer/</link>
      <guid isPermaLink="false">35db12c0-115c-8082-9620-f701ca2b7a2f</guid>
      <pubDate>Mon, 11 May 2026 04:49:00 GMT</pubDate>
      <category>Reinforcement Learning</category>
      <description>서론 기존 DDPG는 성능의 단조개선(Monotonic Improvement)가 이론적으로 보장되지 않았다.(목적함수 J(\theta))가 매 iteration마다 증가한다는 보장이 없다.) 왜냐하면 Actor( \mu )가 Ciritic(Q 함수)의 gradient를 따라가도록 학습하는데 critic </description>
    </item>
    <item>
      <title>PPO</title>
      <link>https://ursonice.github.io/posts/ppo/</link>
      <guid isPermaLink="false">35db12c0-115c-80d1-8eee-c368710fb683</guid>
      <pubDate>Mon, 11 May 2026 04:04:00 GMT</pubDate>
      <category>Reinforcement Learning</category>
      <description>목표: PPO(Proximal Policy Optimization)를 논문(academic paper) 흐름(문제정의 → 방법 → 분석/실험 → 결론)으로 정리한다. 서론 이전에 배운 TPRO는 정책의 단조 향상(Monotonic Improvement)을 이론적으로 보장한다는 강한 장점을 얻는 대가로 T</description>
    </item>
    <item>
      <title>(VLA) NaVILA 논문리뷰</title>
      <link>https://ursonice.github.io/posts/vla-navila-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">2afb12c0-115c-805f-a2dc-c2bda949f787</guid>
      <pubDate>Tue, 18 Nov 2025 00:58:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>Cite Anthony Brohan, Noah Brown, Justice Carbajal, Chelsea Finn, Sergey Levine, et al.; arXiv preprint arXiv:2307.15818 [cs.RO] https://navila-bot.github.io/static/navila</description>
    </item>
    <item>
      <title>ResNet 논문리뷰</title>
      <link>https://ursonice.github.io/posts/resnet-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">d4583caf-3da1-4e11-8701-f895316a92ad</guid>
      <pubDate>Wed, 14 Jun 2023 23:17:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>서론 Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun; &quot;Deep Residual Learning for Image Recognition&quot;, Proceedings of the IEEE Conference on Computer Vision and Pattern Re</description>
    </item>
    <item>
      <title>NAS(Neural Network Search)</title>
      <link>https://ursonice.github.io/posts/nas-neural-network-search/</link>
      <guid isPermaLink="false">d8c14d53-56d5-4447-a6a8-d43d9aa4cbbf</guid>
      <pubDate>Sun, 11 Jun 2023 06:33:00 GMT</pubDate>
      <category>AI/ Theory</category>
      <description>서론 이 장은 NAS의 개념에 대해 설명한다. 목차 NAS Search Space Search Strategy Search Algorithm Performance Estimation Search Strategy &amp; Search Algorithm 차이점 Example NAS Neural Architectu</description>
    </item>
    <item>
      <title>How to do Internal Camera Calibration</title>
      <link>https://ursonice.github.io/posts/how-to-do-internal-camera-calibration/</link>
      <guid isPermaLink="false">2fdb12c0-115c-80b6-a95f-fd82d92af82a</guid>
      <pubDate>Wed, 04 Feb 2026 05:23:00 GMT</pubDate>
      <category>Application</category>
      <description>서론 ROS2를 사용해서 카메라 내부 캘리브레이션 하는 방법에 대해 설명한다. Dependencies 카메라 렌즈와 센서의 특성 때문에 발생하는 영상 왜곡을 수학적으로 계산하여 보정값을 찾아내는 프로그램으로 실시간으로 ROS 토픽(image_raw)을 구독(Subscribe)하여 화면을 보면서, 그 위에</description>
    </item>
    <item>
      <title>Likelihood(MLE)</title>
      <link>https://ursonice.github.io/posts/likelihood-mle/</link>
      <guid isPermaLink="false">38883001-3d8c-451a-a56f-f475f9d69d26</guid>
      <pubDate>Wed, 14 Jun 2023 02:07:00 GMT</pubDate>
      <category>AI/ Theory</category>
      <description>서론 이 장은 MLE에 대해서 설명한다. 확률의 의미와 기본 개념들에 대해서 같이 알아봐보자. 목차 Probability PDF(Probability Density Function) CDF(Cumulative Distribution Function) 모수 추정 Likelihood Maximum likel</description>
    </item>
    <item>
      <title>[01] C++ 기초</title>
      <link>https://ursonice.github.io/posts/01-c-%EA%B8%B0%EC%B4%88/</link>
      <guid isPermaLink="false">327b12c0-115c-8054-943c-eb189c200cf8</guid>
      <pubDate>Wed, 18 Mar 2026 10:16:00 GMT</pubDate>
      <category>C/ C++</category>
      <description>목차 1. Namespace 2. 기초문법 3. Reference 4. New, Delete 5. Class 1. Namespace C++에서 이름 공간(namespace)은 변수, 함수, 클래스와 같은 이름들이 어느 소속에 속해 있는지 구분하기 위한 개념으로 같은 이름이라도 서로 다른 namespace</description>
    </item>
    <item>
      <title>Raspi Segmentation</title>
      <link>https://ursonice.github.io/posts/raspi-segmentation/</link>
      <guid isPermaLink="false">2fcb12c0-115c-802f-9543-cb4345effb6b</guid>
      <pubDate>Tue, 03 Feb 2026 09:40:00 GMT</pubDate>
      <category>Application</category>
      <description>Dependencies Device: Raspi 5 OS: Bookworm SD card: 128GB</description>
    </item>
    <item>
      <title>Docker에 VNC 설치</title>
      <link>https://ursonice.github.io/posts/docker%EC%97%90-vnc-%EC%84%A4%EC%B9%98/</link>
      <guid isPermaLink="false">2edb12c0-115c-805d-aa36-ccceca42b396</guid>
      <pubDate>Mon, 19 Jan 2026 05:19:00 GMT</pubDate>
      <category>Tools</category>
      <description>Ubuntu Image 다운로드 및 실행 --net=host 를 옵션에 꼭 넣어줘야 외부포트 접속이 가능하다. docker run -it --net=host --name ubuntu-desktop ubuntu:22.04 /bin/bash 컨테이너 접속 명령어 만약 컨테이너에서 나왔다면 아래 명령어로 다시</description>
    </item>
    <item>
      <title>Manifold 개념</title>
      <link>https://ursonice.github.io/posts/manifold-%EA%B0%9C%EB%85%90/</link>
      <guid isPermaLink="false">7c984a89-c8d3-4b5d-aff7-f782c8101731</guid>
      <pubDate>Sun, 11 Jun 2023 05:05:00 GMT</pubDate>
      <category>AI/ Theory</category>
      <description>서론 이 장은 Manifold의 개념에 대해서 설명한다. 목차 Manifold Manifold Hypothesis 1. Data compression 2. Data visualization 3. Curse of dimensionality 개선 4. Discovering most important feat</description>
    </item>
    <item>
      <title>Isaacsim 5.1 Manual</title>
      <link>https://ursonice.github.io/posts/isaacsim-5-1-manual/</link>
      <guid isPermaLink="false">2e0b12c0-115c-80de-9d96-d8ecca8af5d5</guid>
      <pubDate>Tue, 06 Jan 2026 10:30:00 GMT</pubDate>
      <category>Robotics</category>
      <description>Basic usage Preparation 파일 생성 Menu Bar → File → New를 눌러 프로젝트를 생성 Ground plane생성 Create &gt; Physics &gt; Ground Plane 조명추가 Create &gt; Lights &gt; Distant Light Visual Cube Gizmo(큐브)</description>
    </item>
    <item>
      <title>Unitree Go1</title>
      <link>https://ursonice.github.io/posts/unitree-go1/</link>
      <guid isPermaLink="false">2a7b12c0-115c-806b-9f33-dc35eef5de3e</guid>
      <pubDate>Mon, 10 Nov 2025 05:43:00 GMT</pubDate>
      <category>Robotics</category>
      <description>History (과거) 기존 Jetson XGA에 ROS2 Humble이 설치되어있고 Raspi에는 ROS1 Melodic이 설치되어있었음 → ROS버전이 맞지 않음 따라서 Jetson에 ROS1 Neotic을 설치하여 Jetson ↔ Raspi간 ROS 버전을 일치시킴 (현재) 문제는 XGA에서 ROS</description>
    </item>
    <item>
      <title>RT-2(Robotics Transformer-2) 논문리뷰</title>
      <link>https://ursonice.github.io/posts/rt-2-robotics-transformer-2-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">28bb12c0-115c-80b1-aa9a-fb839ddfc10d</guid>
      <pubDate>Mon, 13 Oct 2025 10:56:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>Cite An-Chieh Cheng, Yandong Ji, Zhaojing Yang, Zaitian Gongye, Xueyan Zou, Jan Kautz, Erdem Bıyık, Hongxu Yin, Sifei Liu, Xiaolong Wang; arXiv preprint arXiv:2412.04453 </description>
    </item>
    <item>
      <title>DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection 논문리뷰</title>
      <link>https://ursonice.github.io/posts/diffusionad-norm-guided-one-step-denoising-diffusion-for-anomaly-detection-%EB%85%BC%EB%AC%B4/</link>
      <guid isPermaLink="false">2faa86ea-5304-4f76-8da3-2b8e7b91ede5</guid>
      <pubDate>Sat, 10 Aug 2024 08:48:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>Cite Hui Zhang1,2 Zheng Wang3 Zuxuan Wu1,2 Yu-Gang Jiang1,2; arXiv preprint arXiv:2303.08730 https://arxiv.org/pdf/2407.09359 출간일: 2024. 07. 12 Abstract Unsupervised Abno</description>
    </item>
    <item>
      <title>RT-1(Robotics Transformer-1) 논문리뷰 </title>
      <link>https://ursonice.github.io/posts/rt-1-robotics-transformer-1-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">285b12c0-115c-8076-871f-f701199189cb</guid>
      <pubDate>Tue, 07 Oct 2025 09:18:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>Cite Anthony Brohan, Noah Brown, Justice Carbajal, Yevgen Chebotar, et al.; arXiv preprint arXiv:2212.06817 [cs.RO] https://arxiv.org/pdf/2212.06817 출간일: 2022. 12. 13 저널:</description>
    </item>
    <item>
      <title>ViT 논문리뷰</title>
      <link>https://ursonice.github.io/posts/vit-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">95458e7d-0614-40ef-b9e1-cab3c363dbc4</guid>
      <pubDate>Sun, 11 Dec 2022 09:34:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>서론 이 장은 NLP에서 사용되던 Transformer에서 self-attention기반의 아키텍처가 Vision Task에 적용한 Vision Transformer에 대해 설명한다. 본 논문에서 ViT는 CNN보다 데이터셋의 갯수가 적을경우 Inductive Bias학습이 어려워 일반화가 어렵다는 단점</description>
    </item>
    <item>
      <title>ROS2</title>
      <link>https://ursonice.github.io/posts/ros2/</link>
      <guid isPermaLink="false">279b12c0-115c-80f6-8d59-ffa114c11425</guid>
      <pubDate>Thu, 25 Sep 2025 05:56:00 GMT</pubDate>
      <category>Robotics</category>
      <description>bag ros2 bag record {topic}: 토픽을 녹화 ros2 bag play {bag file}: 녹화된 파일을 실행 아래 명령어로 turtilesim_node를 실행 $ ros2 run turtlesim turtlesim_node turtilesim_node를 키보드로 움직일 수 있게 모듈</description>
    </item>
    <item>
      <title></title>
      <link>https://ursonice.github.io/posts/272b12c0-115c-8015-b798-c73a7df07ba6/</link>
      <guid isPermaLink="false">272b12c0-115c-8015-b798-c73a7df07ba6</guid>
      <pubDate>Thu, 18 Sep 2025 02:35:00 GMT</pubDate>
      <category>Robotics</category>
      <description>URDF: Unified Robot discription format Link: 로봇의 몸체 부분 Link의 구성요소 Visual: 시각적 요소 부분 inertial: 관성 Mass(질량): 물체의 무게 Origin(무게중심): 물체의 균형점 Inertia(관성모멘트): 회전하기 어려운 정도 collis</description>
    </item>
    <item>
      <title>Ubuntu Nvidia Driver Install</title>
      <link>https://ursonice.github.io/posts/ubuntu-nvidia-driver-install/</link>
      <guid isPermaLink="false">8812b0fb-a40e-476e-82e1-5dee7b662ff2</guid>
      <pubDate>Wed, 17 May 2023 06:43:00 GMT</pubDate>
      <category>Tools</category>
      <description>서론 우분투 20.04 환경에서 Nvidia driver 설치 방법에 대해서 설명한다. 목차 Nvidia-driver 설치 Driver 설치 확인 Nvidia-driver 설치 아래 명령어를 입력하면 다음과 같은 화면이 뜨는데 recommended 부분을 설치하면되는데 open버전이 아닌 걸로 설치하면 </description>
    </item>
    <item>
      <title>Gradient</title>
      <link>https://ursonice.github.io/posts/gradient/</link>
      <guid isPermaLink="false">34a741d8-2bcf-4dcb-b056-d30e59af6b93</guid>
      <pubDate>Sun, 20 Nov 2022 04:44:00 GMT</pubDate>
      <category>AI/ Theory</category>
      <description>서론 이 장은 Foward 신경망에 대한 Weight(가중치)를 update하는 방법(backpropagation)에 대해 다룬다. 목차 1. Analytical Differentiation(해석적 미분) 2. Numerical Differentiation(수치 미분) 3. Symbolic differe</description>
    </item>
    <item>
      <title>Towards Total Recall in Industrial Anomaly Detection 논문리뷰</title>
      <link>https://ursonice.github.io/posts/towards-total-recall-in-industrial-anomaly-detection-%EB%85%BC%EB%AC%B8%EB%A6%AC%EB%B7%B0/</link>
      <guid isPermaLink="false">0e1004e6-ab79-46ae-a047-1e94c70e37d3</guid>
      <pubDate>Tue, 13 Aug 2024 04:26:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>Cite Karsten Roth, Latha Pemula, Joaquin Zepeda, Bernhard Schölkopf, Thomas Brox, Peter Gehler; arXiv preprint arXiv:2106.08265, 2022. https://arxiv.org/abs/2106.08265 출간</description>
    </item>
    <item>
      <title>DRÆM – A discriminatively trained reconstruction embedding for surface anomaly detection 논문 리뷰</title>
      <link>https://ursonice.github.io/posts/dr%C3%A6m-a-discriminatively-trained-reconstruction-embedding-for-surface-anomaly-det/</link>
      <guid isPermaLink="false">30cd1c6a-5aed-483c-96a5-6a15183740e2</guid>
      <pubDate>Mon, 17 Jul 2023 08:30:00 GMT</pubDate>
      <category>AI/ Deep Learning</category>
      <description>서론 Vitjan Zavrtanik, Matej Kristan, Danijel Skočaj; Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2021, pp. 1-10. DRÆM – A Discrim</description>
    </item>
  </channel>
</rss>
